Connect with us

Künstliche Intelligenz

Nachhaltige Softwarearchitekturen: Energieeffizienz als Designziel


close notice

This article is also available in
English.

It was translated with technical assistance and editorially reviewed before publication.

.


Portrait Noah Neukam

Portrait Noah Neukam

Als Grenzgänger zwischen Software Engineer und Software Architect ist Noah Neukam in Web-Architekturen heimisch. Seine Steckenpferde sind qualitätsgetriebene Softwarearchitekturarbeit, Kommunikation und Umfeld, sowie die Auswirkungen von Strukturen und Strukturmustern auf Software.


Portrait Uwe Neukam

Portrait Uwe Neukam

Uwe Neukam ist Software Architect bei DATEV eG und hat in mehr als 20 Berufsjahren in mehreren Unternehmen den Wandel von on-premises Entwicklung hin zur Webentwicklung begleitet. In individuellen Analysen und auf das Unternehmen zugeschnittenen Umsetzungen sieht er den Schlüssel dafür.

Für IT-Spezialisten und Softwarearchitektinnen ist Nachhaltigkeit ein wichtiger Aspekt ihrer Arbeit und das entscheidende Stichwort dabei lautet: Energieverbrauch. Diesen beschreibt das Borderstep Institut in Bezug auf Deutschland 2024 wie folgt:

„Zwischen 2010 und 2024 ist der Stromverbrauch der Rechenzentren und kleineren IT-Installationen um über 90 % auf knapp 20 Mrd. kWh im Jahr angestiegen. […] Das beschleunigte Wachstum der RZ-Branche wird zwangsläufig zu einem weiteren Anstieg des Energiebedarfs führen. Bis zum Jahr 2030 wird erwartet, dass Rechenzentren in Deutschland etwas mehr als 30 Milliarden Kilowattstunden Strom pro Jahr verbrauchen. Diese Prognose berücksichtigt die Anforderungen des Energieeffizienzgesetzes und geht von einer erheblichen Verbesserung der Effizienz der Gebäudetechnik aus […] Die durch den Stromverbrauch der Rechenzentren erzeugten Treibhausgasemissionen werden in Deutschland deutlich abnehmen, weil die Stromversorgung zunehmend auf erneuerbare Energien umgebaut wird. Bis zum Jahr 2030 werden sie voraussichtlich um 30 % sinken“.


Diagramm über Entergiebedarf und Entwicklung in Deutschland

Diagramm über Entergiebedarf und Entwicklung in Deutschland

Diagramm über Energiebedarf und Entwicklung in Deutschland (Abb. 1)

Die Rolle der Software bei der CO2-Ersparnis

Nachhaltigkeit hat viele Facetten, wie etwa ein Blick auf die UN-Nachhaltigkeitsziele zeigt. Auch die Definition des Bitkom (2021) im Umfeld „Ressourceneffiziente Programmierung“ fasst den Begriff sehr weit, wie der folgende Auszug aus der Begriffserklärung zeigt:

„Dauerhafte Entwicklung, die die Bedürfnisse der Gegenwart befriedigt, ohne zu riskieren, dass künftige Generationen ihre eigenen Bedürfnisse nicht befriedigen können […].“

Die entscheidende Frage ist allerdings: Wo gibt es bei der Entwicklung von Software direkte Einflussmöglichkeiten? Der naheliegendste Aspekt ist eindeutig der Energieverbrauch der IT, der im täglichen Betrieb immer präsent ist. Warum ist das so wichtig? Bei Software geht es im Allgemeinen nicht um den Selbstzweck, sondern um die Unterstützung bei Aufgaben und Problemen im täglichen Leben. So kann es passieren, dass eine für sich genommen lapidare Tätigkeit eines Menschen in Summe einen sehr hohen Energieverbrauch erzeugt. Nehmen wir als Beispiel eine Google-Suchanfrage. Sie hat im Schnitt einen Strombedarf von 0,3 Watt. Je nachdem, welchen Modellen gefolgt wird, entsteht bei einem durchschnittlichen Volumen von 75.000 Suchanfragen pro Sekunde im Jahr ein Strombedarf von ca. 720 GWh. Dies entspricht ca. 400.000 Single-Haushalten in Deutschland. Mit dem Einzug von KI-gestützten Systemen hat sich der Verbrauch verzehnfacht.

Zwar wird die Hardware immer effizienter im Verbrauch, aber das Benutzerverhalten (Beispiel: „Wie viele Streamingdienste habe ich abonniert?“) und das Softwareangebot fressen die Einsparungen oft wieder auf. So ist immer mehr Hardware nötig, um mit dem stetig wachsenden Softwareangebot mithalten zu können. Im Resultat steigt der Energieverbrauch unaufhörlich.

Grundlast einer Softwarearchitektur

Beim Blick auf die tägliche Arbeit von Softwarearchitekten drängt sich schnell der Gedanke auf, dass der Energieverbrauch der jeweiligen Architektur einfach zu ermitteln sein sollte. Dafür wäre die Einführung eines Energielabels eine geeignete Maßnahme, die einer Software ein CO2-Preisschild umhängen würde. Leider lässt es sich nicht so einfach bewerkstelligen, denn die Softwarearchitektur ist eine wichtige, aber nicht die einzige Komponente, die einen Einfluss auf den Energieverbrauch hat.

Zu den weiteren Faktoren gehören die Umsetzung der Softwarearchitektur und die Verwendung der Software durch den Benutzer. Schaut man in die Vergangenheit, zeigt sich immer wieder, dass Applikationen zweckentfremdet wurden. Der Klassiker für umfangreiche Nutzung außerhalb des ursprünglich gedachten Nutzungszwecks ist Microsoft Excel. Das System wird mittlerweile für viele Use Cases eingesetzt, was auf der einen Seite Kreativität im Umgang mit Systemen zeigt, aber, wie schon angesprochen, die Kontrolle unmöglich macht.

Bei der Umsetzung der Softwarearchitektur kann es schon mal passieren, dass sich unnötig komplizierte Codezeilen einschleichen. Um den Qualitätsanforderungen dennoch zu entsprechen, ist im Softwarebetrieb letztlich mehr Hardware nötig als geplant.

Diese Beispiele zeigen, wie komplex das Thema Energieverbrauch von Software ist. Es gibt eine Reihe Faktoren, um darauf Einfluss zu nehmen und auch die Softwarearchitektur hat ihren Anteil daran. Woran lässt sich festmachen, was gutes oder schlechtes Softwaredesign im Sinne von Nachhaltigkeit ausmacht? Sind zwei Microservices nachhaltiger als einer? Ist ein Monolith ineffizienter als Microservices? Entwicklungsteams und das Management erwarten Antworten auf diese Fragen.

Was hat Einfluss auf den Energieverbrauch?

Angesichts der komplexen Gemengelage liegt die Frage nahe: Gibt es einen Ansatz, um für weniger Energiehunger bei einer Software zu sorgen? Vielen Softwareherstellern ist das Thema mittlerweile wichtig und dementsprechend geben sie Empfehlungen oder Handlungsanweisungen heraus. Aber auch hier gilt: Was bei dem einen funktioniert, muss bei einem anderen noch lange nicht zum Erfolg führen. Markus Eisele von Red Hat hat eine Reihenfolge formuliert, der wir gerne folgen:

  • Datendesign, -nutzung und -speicherung: Weniger ist hier mehr! Entwicklerinnen und Entwickler neigen dazu, zukunftssicher zu arbeiten: „Es kann ja mal sein, dass dies benötigt wird.“ So kommt es häufig zu Überprovisionierung, sodass beispielsweise mehr Daten als notwendig über die Netzwerke verteilt werden. Oder viele Zugriffe werden bis zur Datenhaltung weitergeleitet, auch wenn das nicht notwendig ist. Entwicklerinnen und Entwickler sollten einmal prüfen, welchen Stromverbrauch ein Speichern oder echtes Löschen auf einer Festplatte generiert.
  • Anwendungsdesign: Das Internet hat es geschafft, dass Software immer erreichbar ist. Dieses „Always on“ hat die gleichen Auswirkungen wie der Stand-by-Modus bei Haushaltsgeräten. Dabei kommen die bereitgestellten Ressourcen nicht wirklich zum Einsatz. Die meisten Applikationen arbeiten immer noch synchron, obwohl sich viele ihrer Prozesse parallelisieren ließen.
  • Plattformbereitstellung, -nutzung und -skalierung: Bei diesem Punkt zeigt sich eine direkte Auswirkung von Softwarearchitekturen. Provisionierungskonfigurationen können dazu führen, dass zusätzliche Hardware notwendig ist. Obwohl das zumeist nicht der wesentliche Punkt im Sinne der Nachhaltigkeit ist (Entwickler betrachten nur den Applikationskontext), kann das im schlechtesten Fall einen Dominoeffekt auslösen: Markus Eisele hat recht, wenn er bemerkt, dass man die Konfiguration unter Umständen in ihrer Gesamtheit betrachten muss.
  • Codeeffizienz: Auch wenn Entwickler und Entwicklerinnen es nicht gerne hören: Der effizienteste Code ist kein Code. Wenn sie Code schreiben, sollten sie bereits beim Design auf den Workload achten.
  • Betrieb: Cloudsysteme bieten eine hohe Rechendichte für ihre gemanagten Serviceangebote. Anwenderinnen und Anwender können im Vergleich zu selbst virtualisierten Applikationsservern in der Cloud mehr Software auf weniger Hardware betreiben. Das sollte man unbedingt nutzen.



Source link

Verwandte Themen:
Weiterlesen

Künstliche Intelligenz

Banana Pi BPI-R4 Pro: High-End-Mainboard für Selbstbau-Router


Der chinesische Hersteller Sinovoip verkauft sein bisher am üppigsten ausgestattetes Router-Mainboard, das Banana Pi BPI-R4 Pro. Das Herzstück bildet ein für Router-Verhältnisse flotter Prozessor von Mediatek: Der MT7988A alias Filogic 880 integriert vier ARM-Kerne vom Typ Cortex-A73, flankiert von 8 GByte DDR4-RAM. Damit eignet sich die Platine auch für Selbstbau-Flash-NAS, etwa als Multimedia-Zentrale.

Weiterlesen nach der Anzeige

Viel Ethernet und SFP+

Der Mediatek-Prozessor bindet zahlreiche Zusatzchips per PCI Express und USB an. Zwei Schächte in der Bauform Small Form-Factor Pluggable (SFP+) nehmen Lichtwellenleiter- und Ethernet-Module auf und übertragen bis zu 10 Gbit/s. Zwei RJ45-Buchsen sind ebenfalls für bis zu 10 Gbit/s ausgelegt. Es handelt sich um Kombianschlüsse hinter zwei Netzwerk-Controllern; aus einem RJ45-SFP+-Paar ist also je ein Anschluss nutzbar.

Je ein Port kann sich per WAN (Wide Area Network) mit einem vorgeschalteten Modem verbinden. Für die weitere Verkabelung gibt es viermal 2,5-Gbit/s- und einmal Gigabit-Ethernet. Die Ports hängen hinter mehreren Netzwerk-Controllern: zwei Aeonsemi AS21010P und ein Maxlinear MxL86252C.


(Bild:

Sinovoip / Banana Pi

)

Wi-Fi 7, Mobilfunk und SSDs

Für WLAN-Module gibt es zwei Mini-PCIe-Steckplätze. Sinovoip selbst bietet mit dem BPI-R4-NIC-BE14 ein Wi-Fi-7-Modul an, das beide Mini-PCIe-Steckplätze verwendet. Es unterstützt alle drei WLAN-Bänder 2,4, 5 und 6 GHz simultan, letzteres mit der maximal möglichen Kanalbreite von 320 MHz.

Drei M.2-Steckplätze in B-Key-Bauform nehmen Mobilfunkmodule für 4G oder 5G auf. Passend dazu gibt es drei Nano-SIM-Schächte für getrennte Mobilfunktarife. Auf der Platinenrückseite befinden sich zwei M.2-M-Key-Steckplätze für NVMe-SSDs. Für je zwei M- und B-Key-Steckplätze stehen insgesamt zwei PCIe-3.0-Lanes bereit – von vier Steckplätzen sind daher maximal zwei gleichzeitig nutzbar. Der dritte B-Key-Slot ist per USB angebunden.

Weiterlesen nach der Anzeige

Eine PCIe-3.0-Lane reicht für knapp ein Gigabyte pro Sekunde. Das genügt für SSDs in einem Router oder NAS.

Für ein Betriebssystem und Firmware sind auch 256 MByte SPI-NAND-Flash und 8 GByte eMMC-Flash-Speicher verlötet. Alternativ zu einer SSD lässt sich der Speicher per microSD-Karte erweitern. Zusätzlich gibt es je einmal USB 2.0 und USB 3.2 Gen 1 (früher USB 3.0 genannt). Ein USB-Typ-C-Anschluss dient zum Debugging. Strom bekommt die Platine über ein DC-Netzteil mit 12 oder 24 Volt.

Das Mainboard ist mit 194 mm × 134 mm deutlich größer als bisherige Banana-Pi-Platinen und erfordert daher neue Gehäuse. Einen Entwurf gibt es bereits.

Noch ohne OpenWrt-Support

OpenWrt unterstützt das Banana Pi BPI-R4 Pro laut Übersicht noch nicht. Da OpenWrt aber schon auf den bisherigen R3- und R4-Modellen läuft, sollte der Support für die R4-Pro-Version folgen.

Sinovoip verkauft das Banana Pi BPI-R4 Pro im eigenen Webstore für 165 US-Dollar, umgerechnet 142 Euro. Hinzu kommen 38 US-Dollar für den Versand aus China per DHL und die Einfuhrumsatzsteuer. Unterm Strich sollte das Mainboard knapp 210 Euro kosten. Das WLAN-Modul BPI-R4-NIC-BE14 kostet 70 US-Dollar, womit das Gesamtpaket bei etwa 275 Euro landen dürfte.

Die normale R4-Version ist auch bei deutschen Händlern verfügbar (ab 119,99 €); die abgespeckte Lite-Variante dagegen kaum.


(mma)



Source link

Weiterlesen

Künstliche Intelligenz

DeepSeek-OCR: Wie Bilder Chatbots helfen, lange Gespräche zu führen


Chinesische KI-Forscher wollen mithilfe von Bildern erreichen, dass Chatbots auch bei Gesprächen mit großer Vorgeschichte schnell und günstig bleiben. Mithilfe optischer Kontextkompression könnten die KI-Assistenten deutlich besser werden, zeigen sich die Entwickler von DeepSeek-OCR überzeugt. Das Modell hat aktuell experimentellen Status. Trotz zehnfacher Kompression habe man aber bereits eine Genauigkeit von 97 Prozent nachweisen können.

Weiterlesen nach der Anzeige

Das Problem bei heutigen KI-Chatbots ist, dass sie bei jeder Antwort die komplette Historie neu verarbeiten müssen. Bei der optischen Kompression wird der Gesprächsverlauf stattdessen als Bild gespeichert und benötigt weniger Token bei der Verarbeitung. Statt 1000 Token würden etwa nur 100 benötigt. Dies ermögliche zehnfach schnellere Antwortzeiten. Hilfreich wäre das auch bei der Verarbeitung langer PDF-Dokumente.

Menschliches Gedächtnis als Vorbild

Per OCR (Optical Character Recognition) werden die Bilder von der KI bei Bedarf wieder in Texte umgewandelt. Allerdings geht der Ansatz von DeepSeek weit über klassische OCR hinaus. Das System kann nicht nur Text erkennen, sondern auch Diagramme in Excel-taugliche Tabellen umwandeln, chemische Formeln in maschinenlesbare SMILES-Formate konvertieren und geometrische Figuren analysieren. Zudem beherrscht es fast 100 Sprachen in einem einzigen Modell.

Die Entwickler von DeepSeek haben dabei auch mit verschiedenen Auflösungen gearbeitet und die Idee entwickelt, mit den unterschiedlichen Schärfegraden das menschliche Gedächtnis nachzuahmen. Zeitlich nur kurz zurückliegende Kontexte könnten in höherer Auflösung gespeichert werden und wären damit der KI schärfer im Gedächtnis. Weiter zurückliegende Erinnerungen würden aufgrund niedrigerer Auflösungen zunehmend verblassen.

„Vorläufige Erkundung“

Weiterlesen nach der Anzeige

Für die praktische Anwendung hat DeepSeek umfangreiche Trainingsdaten zusammengestellt: 30 Millionen PDF-Seiten in rund 100 Sprachen, 20 Millionen Bilder natürlicher Szenen sowie Millionen synthetische Samples für Diagramme, Chemieformeln und geometrische Figuren. In der Produktion kann das System bereits heute über 200.000 Seiten pro Tag verarbeiten – mit nur einem älteren Nvidia-Beschleuniger vom Typ A100. Das macht es interessant für Massendatenverarbeitung, etwa bei Versicherungen, Behörden oder Verlagen.

Die Forscher selbst bezeichnen DeepSeek-OCR in ihrem Paper als „vorläufige Erkundung“ und benennen offene Fragen. Wie verhält sich das System zum Beispiel bei der Suche nach der „Nadel im Heuhaufen“ („Needle-in-a-Haystack“-Tests), wenn spezifische Infos aus sehr langen Kontexten gesucht werden?

DeepSeek erprobt damit einen andersartigen Architektur-Ansatz für KI. Die chinesische KI-Schmiede bemüht sich schon seit einiger Zeit, ein Gegengewicht zu den US-KI-Firmen wie OpenAI, Google oder Anthropic aufzubauen, die primär auf Skalierung setzen. Der Code von DeepSeek-OCR steht samt Modellgewichten auf GitHub zum Download bereit und kann von Interessierten ausprobiert werden.


(mki)



Source link

Weiterlesen

Künstliche Intelligenz

Mercedes GLC EQ: Das soll er kosten


BMW und Mercedes gehen beim Anlauf eines neuen Modells unterschiedliche Wege. Bei den Bayern wird meist noch am Tag der Vorstellung auch der Konfigurator freigeschaltet, bei Mercedes lässt man sich damit mehr Zeit. Wochen nach der Premiere des Mercedes GLC EQ sind nun auch die offiziellen Preise veröffentlicht worden. Bestellt werden kann das E-SUV ab dem 29. Oktober.

Weiterlesen nach der Anzeige

Mehrheitlich Richtung 80.000 Euro

Im Konfigurator wird bereits jetzt der erste Nachlass eingeräumt, denn dort kostet das Basismodell 67.717 Euro. Der offizielle Listenpreis liegt bei 71.218 Euro und damit etwas oberhalb des BMW iX3. Bei Mercedes geht man vermutlich zurecht davon aus, dass diese Differenz für die Zielgruppe eine untergeordnete Rolle spielen wird, zumal es in beiden E-SUVs nur der Ausgangspunkt ist. Den 80.000 Euro kommt man ohnehin rasch näher, und selbstverständlich ist auch eine deutliche Überschreitung ziemlich problemlos möglich.

Aufpreispflichtiges Laden mit weniger Spannung

Mercedes musste bei der Vorstellung des CLA viel Kritik dafür einstecken, dass sich das Auto nur an DC-Säulen mit mindestens 800 Volt laden lässt. An 400-Volt-Gleichstromquellen kann auch der GLC EQ nur geladen werden, wenn der Kunde 655 Euro zusätzlich investiert. Auch das AC-Laden mit 22 kW kostet 655 Euro – serienmäßig sind 11 kW möglich.

Spannend wird es bei einer Reihe von digitalen Extras. Einige sind in der Laufzeit begrenzt und müssen im Anschluss kostenpflichtig verlängert werden. Bei bestimmten Extras aus diesem Bereich macht Mercedes im Konfigurator konkrete Angaben zur Laufzeit, beispielsweise beim „MBUX Entertainment“, dessen Preis von 226 Euro für drei Jahre gilt. Bei der Massagefunktion (60 Euro) und der MBUX Augmented Reality für Navigation (500 Euro) gibt es zumindest aktuell keine zeitliche Limitierung.

Selbstverständlich behält auch Mercedes die Taktik bei, mit einigen Zwangskopplungen den Preis unter Umständen erheblich anzuheben. Ein Head-up-Display steht mit 1250 Euro in der Liste, ist aber nur zusammen mit dem Advanced-Plus-Paket für 3570 Euro zu haben. Lederbezüge kosten 2011 Euro, ziehen aber zwangsweise Extras für 4117 Euro nach sich.

Weiterlesen nach der Anzeige

Da wird es den ein oder anderen Interessenten geben, der warten wird. Denn im kommenden Jahr wird Mercedes weitere Antriebsvarianten des GLC EQ nachreichen. Wie bei BMW gehen wir davon aus, dass die Baureihe vor allem nach unten erweitert wird. Im iX3 wird das Basismodell, welches im kommenden Jahr folgen wird, wahrscheinlich zwischen 60.000 und 62.000 Euro kosten. Der Audi Q6 e-tron kostet aktuell wenigstens 63.500 Euro. Irgendwo in diesem Bereich wird sich vermutlich auch das Einstiegsmodell des GLC EQ einpegeln.

Lesen Sie mehr zur Marke Mercedes


(mfz)



Source link

Weiterlesen

Beliebt